Mehrwerte durch Maschinelles Lernen in der Praxis – Wie BMW seinen Car-Sharing-Dienst optimiert

Erfahren Sie, wie BMW mithilfe von Splunk einen digitalen Dienst zur Mobilität optimiert hat. Insbesondere wie das Verständnis für das Geschäftsmodell entwickelt wurde, wie die Herausforderungen identifiziert worden sind und der Idealzustand abgebildet wurde. Daraus wurde dann mithilfe von Splunk und dem Maschin Learning Toolkit ein “Car Demand Forecast” erstellt.

Wie erfahren wir, wo sich die Fahrzeuge unseres Car-Sharing-Dienstes gerade befinden? Wie können wir tagtägliche und saisonale Trends bei der Nachfrage erkennen? Wie können wir proaktiv erkennen, ob sich in einem Gebiet zu viele oder zu wenige Fahrzeuge befinden? All das sind Fragen, mit denen sich das Innovation Lab bei BMW beschäftigt. Mithilfe von Splunk’s Machine Learning Toolkit wurden Modelle für diese Problemstellungen entwickelt, die sich in der Praxis bewährt hatten und dann erfolgreich in das Kerngeschäft übernommen wurden. Erfahren Sie, welche Projektschritte zum Erfolg geführt haben:

• Das Verständnis des Geschäftsmodells und seiner Herausforderungen
• Die Definition des Idealzustands
• Überblick über die Daten, die zur Verfügung stehen und welche Faktoren den Idealzustand beeinflussen
• Wie mit Hilfe von Splunk & Splunk‘s Machine Learning Toolkit ein “Car Demand Forecast” erstellt wurde
• Welche Algorithmen verwendet wurden, um Machine-Learning-Modelle zu erstellen
• Welche Projektschritte als nächstes geplant sind, um weitere Optimierungen voranzutreiben.